天然气水合物（地球物理属性）的神经网络识别方法及软件开发
| 摘要 | 第4-7页 |
| Abstract | 第7-10页 |
| 第1章 绪论 | 第13-19页 |
| 1.1 选题的依据及意义 | 第13-14页 |
| 1.2 研究区域选择 | 第14-16页 |
| 1.3 研究思路及关键技术 | 第16-17页 |
| 1.4 研究成果 | 第17-19页 |
| 第2章 水合物概述 | 第19-35页 |
| 2.1 天然气水合物形成机理 | 第19-25页 |
| 2.2 含水合物的沉积物特征 | 第25-27页 |
| 2.3 水合物识别的主要方法 | 第27-30页 |
| 2.4 水合物勘探现状 | 第30-33页 |
| 2.5 水合物研究中存在的关键问题 | 第33-35页 |
| 第3章 人工神经网络 | 第35-52页 |
| 3.1 人工神经网络基础 | 第35-40页 |
| 3.2 BP神经网络 | 第40-46页 |
| 3.3 自组织映射神经网络 | 第46-52页 |
| 第4章 天然气水合物测井神经网络识别方法 | 第52-73页 |
| 4.1 天然气水合物测井应用概述 | 第52-53页 |
| 4.2 测井数据对天然气水合物定性识别 | 第53-57页 |
| 4.3 测井数据预处理 | 第57-60页 |
| 4.4 天然气水合物对测井数据的定量解释 | 第60-68页 |
| 4.5 SOM神经网络天然气水合物识别及测井分层 | 第68-71页 |
| 4.6 小结 | 第71-73页 |
| 第5章 天然气水合物地震属性神经网络识别方法 | 第73-96页 |
| 5.1 天然气水合物地震属性概述 | 第73-74页 |
| 5.2 地震属性分类 | 第74-76页 |
| 5.3 地震属性计算 | 第76-89页 |
| 5.4 地震属性提取 | 第89-91页 |
| 5.5 地震属性优化 | 第91-93页 |
| 5.6 天然气水合物矿体识别 | 第93-95页 |
| 5.7 小结 | 第95-96页 |
| 第6章 天然气水合物地震—测井神经网络反演 | 第96-116页 |
| 6.1 天然气水合物地震—测井联合反演概述 | 第96-97页 |
| 6.2 地震—测井联合反演基本理论 | 第97-100页 |
| 6.3 天然气水合物地震—测井联合反演实现 | 第100页 |
| 6.4 地震—测井联合反演数据资料准备 | 第100-106页 |
| 6.5 天然气水合物地震—测井联合反演 | 第106-114页 |
| 6.6 小结 | 第114-116页 |
| 第7章 天然气水合物神经网络识别系统软件开发 | 第116-135页 |
| 7.1 SNET软件开发环境 | 第116-117页 |
| 7.2 软件程序结构设计 | 第117-118页 |
| 7.3 程序界面及功能介绍 | 第118-122页 |
| 7.4 操作流程及数据要求 | 第122-129页 |
| 7.5 程序实现的关键编程技术 | 第129-133页 |
| 7.6 SNET软件测试与应用 | 第133-135页 |
| 第8章 结论与展望 | 第135-138页 |
| 8.1 总结及主要创新点 | 第135-136页 |
| 8.2 存在问题及进一步研究方向 | 第136-137页 |
| 8.3 展望 | 第137-138页 |
| 参考文献 | 第138-150页 |
| 作者简介及科研成果 | 第150-151页 |
| 致谢 | 第151-152页 |
| 详细摘要 | 第152-158页 |
